Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JSAI (Journal Scientific and Applied Informatics) Jurnal Ilmiah Informatika dan Komputer
Yusa Virginiawan Guntara
Universitas Muhammadiyah Bengkulu
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Rancang Bangun Sistem Informasi Pemetaan dan Pemantauan Daerah Rawan Banjir di Bengkulu Dengan Metode Overlay Yusa Virginiawan Guntara; Yulia Darmi; Muntahanah; Rojali Toyib; Anita Septiani Putri
JSAI (Journal Scientific and Applied Informatics) Vol 9 No 2 (2026): Juni
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v9i2.10687

Abstract

Setiap dalam musim penghujan kota Bengkulu merupakan salah satu wilayah yang memiliki tingkat kerawanan tinggi terhadap bencana banjir dengan intensitas curah hujan yang tinggi. Tujuan dari penelitian untuk memetakan daerah rawan banjir di Kota Bengkulu menggunakan sistem informasi geografis dengan metode overlay yang dilakukan dengan menggabungkan beberapa parameter yang berpengaruh terhadap banjir, yaitu kemiringan lereng, curah hujan, penggunaan lahan, tekstur tanah, kemiringan lereng. Parameter yang digunakan tingkat kontribusinya yang sesuai terhadap risiko banjir. Tahapan proses yang dilakukan seperti melalui tahapan pengolahan data ,pengumpulan data, implementasi, sampai peta akhir yang disusun untuk menggambarkan dari zona yang dianggap rawan banjir. Penelitian ini menghasilkan pemetaan dan pemantauan daerah yang rawan banjir sehingga penulis mengharapkan dapat menjadi acuan atau pedoman untuk masyarakat dan pemerintah daerah dalam menyusun kebijakan mengurai resiko, dampak dari suatu bencana banjir dan perencanaan tata ruang yang untuk menyesuaikan diri secara cepat, efektif, dan proaktif terhadap perubahan bencana banjir.
Optimizing iPhone Spare Parts Inventory Using K-Medoid Clustering Naurah Atikah Nurpadhilah; Aliya Dwi Ardiyanti; M. Aufa Rafiqi; Nur Ayu Siti Hardianti; Yusa Virginiawan Guntara
Jurnal Ilmiah Informatika dan Komputer Vol. 3 No. 1 (2026): Juni 2026 (In Progress)
Publisher : CV.RIZANIA MEDIA PRATAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69533/informatech.volume3number1.555

Abstract

MR. GADGET store in Bengkulu faces significant challenges in managing iPhone spare parts inventory due to a manual recording system. This study proposes a data science-based solution using the K-Medoid Clustering algorithm to group data based on characteristic similarity. Utilizing a dataset of 471 products, this study compares K-Medoid with conventional partitioning methods (like K-Means), demonstrating its superior robustness against outliers by using actual data points as cluster centers. The clustering quality is evaluated using the Silhouette Score and Davies-Bouldin Index (DBI), yielding best-performing results with a Silhouette Score of 0.681 and a DBI of 0.798. The algorithm generates three main clusters: Fast-Moving, Medium-Moving, and Slow-Moving. The system's functionality is validated through Black Box Testing. The results indicate that this approach provides more accurate procurement recommendations, optimizes inventory turnover, and reduces the risk of inventory imbalance, offering a practical data-driven framework for local retail businesses.
Co-Authors Aliya Dwi Ardiyanti Anita Septiani Putri M. Aufa Rafiqi Muntahanah Naurah Atikah Nurpadhilah Nur Ayu Siti Hardianti Rojali Toyib Yulia Darmi